Meta 于 2026 年 11 月 9 日发布 Muse 家族第四款模型 Muse Ember，这是 Meta 迄今体积最小、效率最高的一款托管式多模态推理模型，定位不是攻克最难的顶层问题，而是承接 AI Agent 全天反复执行的高 Token 消耗型子任务，比如工具调用、编程子任务、任务路由、信息提取和长文档解析。按照 Meta 汇总的 Artificial Analysis 评测，最高推理强度下 Muse Ember 智能指数约 36 分，与 Claude Haiku 5.5 基本持平、高于 GPT-6 Luna 的 28 分，但单任务成本约 0.136 美元（报道口径约 0.14 美元），只有 Haiku 5.5 约 0.411 美元的三分之一左右。它原生支持文本、图片、音频、视频输入，上下文 100 万 Token、最大输出 51.2 万 Token，目前只通过 Meta Model API 和 Muse Code 云端调用，权重不开放本地部署。
一、产品定位：给 Agent 干 "重复性量大活" 的小模型
Meta 把 Muse 家族做了分工：Muse Wonder 负责规划和拆解最难的问题，Muse Ember 负责跑量 —— 执行 Agent 流程中那些重复出现的小步骤。
- 目标任务：工具调用、编程子任务、请求路由、信息提取、长文档解析。
- 适用场景：企业文档处理、代码修补、软件工程辅助、高吞吐量 Agent 流水线。
- 多模态输入：可直接读取截图、图表、扫描页、语音备忘和会议录音，不依赖额外的图片或语音模型；也能根据截图操作桌面应用。
- 训练背景：Muse Ember 是 Meta 第一款用其最大模型 Muse Wonder Full 蒸馏 / 训练出来的小模型。
- 早期合作测试方：Box、Cline、Oracle、Cloudflare、You.com等。
二、核心规格一览
| 项目 | 参数 |
|---|---|
| 发布方 | Meta Superintelligence Labs |
| 发布时间 | 2026 年 11 月 9 日 |
| 家族定位 | Muse 系列第四款（Spark、Glimmer、Wonder 之后） |
| 模型类型 | 托管式多模态推理模型 |
| 上下文窗口 | 100 万（1M）Token |
| 最大输出 | 51.2 万（512K）Token |
| 输入模态 | 文本、图片、音频、视频 |
| 参数量 | 未公开 |
| 权重 | 闭源，仅云端托管 |
| 接入方式 | Meta Model API（模型名 muse-ember-1.0）、Muse Code，支持 Responses API |
| 本地部署 | 不提供本地 GPU、笔记本运行或量化版本 |
三、Token 定价与单任务成本
1. 按 Token 计费（每百万 Token）
| 输入档位 | 输入价格 | 缓存输入 | 输出价格 |
|---|---|---|---|
| 200K 以内 | 0.10 美元 | 0.004 美元 | 0.50 美元 |
| 超过 200K | 0.30 美元 | 0.012 美元 | 1.50 美元 |
2. 单任务成本对比（最高推理强度，Artificial Analysis 口径）
| 模型 | AA 智能指数 | 单任务成本 |
|---|---|---|
| Muse Ember（max） | 36（35.8） | 约 0.136 美元 |
| Claude Haiku 5.5（max） | 36（36.2） | 约 0.411 美元 |
| GPT-6 Luna（best 档位） | 28 | 约 0.152 美元 |
需要注意，Muse Ember 与 Haiku 5.5、Luna 的基础 Token 单价其实是同一档（0.10/0.50 美元每百万 Token），单任务更便宜的原因是完成同样任务所消耗的 Token 更少；缓存输入单价 0.004 美元也低于两家对手的 0.01 美元。长提示场景下，Haiku 5.5 在 100K 以上、Luna 在 272K 以上会上调输入费率，而 Meta 未公布 Ember 的长上下文额外档位。
四、跑分表现：Agent 流程强，可合并代码偏弱
以下成绩为 Meta 在最高推理档位下汇总公布，部分来自 Artificial Analysis，部分来自 Meta 内部测试：
| 评测项目 | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| AutomationBench-AA（657 条 Zapier 业务流程） | 37.8 | 13.9 | 20.2 |
| Agents' Last Exam（端到端 Agent 任务） | 61.6 | 57.0 | 57.1 |
| Terminal-Bench 4.0（终端编程） | 40.9 | 39.2 | 16.4 |
| Coding Agent Index-AA | 46 | 37 | 31 |
| FrontierCode 2.0-AA（真实工程任务、代码可合并性） | 27.2 | 34.9 | 25.2 |
| GDP.pdf-AA（长文档专业工作） | 22.8 | 20.8 | 22.8 |
| OSWorld 2.1（部分分 / 二值分） | 69.5 / 33.8 | 68.9 / 27.8 | 50.5 / 17.0 |
| PerceptionBench（带工具细粒度视觉感知） | 80.6 | 78.6 | 62.8 |
- 强项：企业工作流自动化、端到端 Agent 执行、终端编程和视觉感知类任务明显领先。
- 弱项：在衡量真实仓库代码能否合并的 FrontierCode 2.0-AA 上，Ember（27.2）落后于 Haiku 5.5（34.9）。
- 定位提醒：它不替代旗舰大模型处理最难的架构设计或复杂长程任务，更适合作为子 Agent 承接重复性、高并发的执行环节。
五、开发者怎么用、适合谁
- API 接入：通过 Meta Model API 调用，支持 Responses API；Muse Code 是 Meta 自家的编程 Agent 入口。
- 团队玩法：Cline 创始人在测试中建议，开发团队可以让 Ember 承担编程、文档分析等重复性子任务，把高价大模型留给真正需要强推理的环节，从而压低整体 Agent 账单。
- 实测反馈：早期合作方提到 Ember 在准确率、速度和 Token 效率上表现均衡，部分场景延迟最快约 2.2 秒；企业侧可用于合同条款逐条评估风险等级、按招聘要求筛选候选人等流程化工作。
- 不适用情形：需要私有化部署、需要拿到权重自行微调、或者任务以可合并的大型工程代码为主的团队，需要额外评估适配性。
【相关 FAQ】
问题 1：Meta 这次发布的 Muse Ember 是一款什么模型，为什么说它是面向 AI Agent 的轻量模型？
回答 1：Muse Ember 是 Meta 于 2026 年 11 月 9 日发布的 Muse 家族最小、效率最高的托管式多模态推理模型，专门承接 AI Agent 全天重复执行的工具调用、编程子任务、路由、信息提取和长文档解析等高频子任务。它不追求单机攻克最难问题，而是以较低的单任务推理成本跑量大并发 Agent 流程，因此被定位为面向 AI Agent 的轻量模型。
问题 2：Muse Ember 的推理成本为什么能做到每任务约 0.14 美元，这个成本是怎么算出来的？
回答 2：在 Artificial Analysis 评测的最高推理强度档位下，Muse Ember 单任务成本约 0.136 美元，报道口径约 0.14 美元，对比 Claude Haiku 5.5 约 0.411 美元、GPT-6 Luna 约 0.152 美元。它的 Token 基础单价与对手同档（每百万输入 0.10 美元、输出 0.50 美元，缓存输入 0.004 美元），成本优势主要来自完成同一任务消耗的 Token 更少；所谓 0.14 美元是按单个标准评测任务测算的综合推理成本，不等同于所有业务场景的实际账单。
问题 3：Muse Ember 的性能和 Claude Haiku 5.5、GPT-6 Luna 相比处在什么水平？
回答 3：Meta 公布的 Artificial Analysis 智能指数中，最高档位 Muse Ember 约 36 分，与 Haiku 5.5 的 36 分基本持平，高于 GPT-6 Luna 的 28 分；在 AutomationBench-AA 业务流程自动化上 Ember 得 37.8 分，明显领先对手，但在 FrontierCode 2.0-AA 真实工程代码可合并性上只有 27.2 分，落后 Haiku 5.5 的 34.9 分。整体看，这款 Meta 轻量模型在 Agent 执行和流程类任务上性价比突出，复杂工程代码场景仍需搭配更强模型。
问题 4：普通开发者能下载 Muse Ember 本地部署吗，有哪些接入渠道和限制？
回答 4：不能本地部署。Muse Ember 权重闭源，只通过 Meta Model API（模型标识 muse-ember-1.0）和 Muse Code 云端提供，支持 Responses API，不提供本地 GPU 运行、笔记本部署或量化版本；模型参数量和架构细节 Meta 尚未公开。它支持文本、图片、音频、视频输入，100 万 Token 上下文、最大 51.2 万 Token 输出，团队接入前需要先评估云端调用的合规、数据出境和长期成本方案。
【参考资料】
- [2026-11-10]（百万 Token 输入仅 7 毛，Meta 突发最小模型 Muse Ember，性能追平 Haiku 5.5）36 氪
- [2026-11-10]（便宜得离谱！Meta 甩出 "最省钱模型"，1/3 成本追平 Claude Haiku 5.5）腾讯新闻（智东西）
- [2026-11-10]（Meta 轻量模型 Muse Ember 发布：性能比肩 Claude Haiku 5.5，成本仅三分之一）凤凰网
- [2026-11-10]（Meta 推出轻量级 AI 模型 Muse Ember：跑分媲美 Claude Haiku 5.5，单任务成本仅 1/3）IT 之家（今日头条）
- [2026-11-10]（Muse Ember: Meta's Small Agent Model Benchmarks, Pricing and Limits）Mervin Praison
- [2026-11-10]（Meta Muse Ember: The $0.10 Model for High-Volume AI Agents）AI Core Updates
- [2026-11-10]（Muse Ember: 36 Index Score, $0.13 Per Task [2026]）SHAttered
- [2026-11-09]（Meta Releases Muse Ember, a 1M-Context Model for High-Volume Agent Work）MarkTechPost
- [2026-11-09]（Meta Muse Ember: Haiku-level AI at a third of the cost per task）MadRobot
【免责声明】
本文整理自 Meta 官方发布信息、Artificial Analysis 评测及公开媒体报道，所涉跑分、单任务成本、Token 定价、上下文与输出上限均为发布时点的官方或第三方口径；Benchmark 成绩由 Meta 汇总自报，不同评测集、推理档位和业务负载下结果可能存在差异，Token 价格与调用额度以 Meta Model API 实时页面为准。本文不构成采购、选型或投资建议，模型能力、开放范围和商用条款后续可能调整，请以 Meta 官方文档为准，读者据此决策的风险与后果自行承担。
本文来自作者[驰光链路师]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/itzx/202611/2288.html
评论列表（4条）
我是乌兰科技网的签约作者“驰光链路师”！
希望本篇文章《Meta 发布轻量模型 Muse Ember面向高频 AI Agent 任务，单任务推理成本低至约 0.14 美元》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：Meta 于 2026 年 11 月 9 日发布 Muse 家族第四款模型 Muse Ember，这是 Meta 迄今体积最小、效率最高的一款托管式多模态推理模型，定位不是攻克最难的顶层问题，而是承接 AI Agent 全天反复执行的高 Token 消耗型子任务，比如工具调用、编程子任务、任务路由、信息提取和长文档解析。按照 Meta 汇总的 Artificial Analysis 评测，最高推理强度下 Muse Ember 智能指数约 36 分，与 Claude Haiku 5.5 基本持平、高于 GPT-6 Luna 的 28 分，但单任务成本约 0.136 美元（报道口径约 0.14 美元），只有 Haiku 5.5 约 0.411 美元的三分之一左右。它原生支持文本、图片、音频、视频输入，上下文 100 万 Token、最大输出 51.2 万 Token，目前只通过 Meta Model API 和 Muse Code 云端调用，权重不开放本地部署。